考虑风电不确定性及柔性负荷的安全约束机组组合问题研究

针对风电出力的不确定性,采用基于拟蒙特卡洛(quasi-Monte Carlo,QMC)模拟的场景分析法生成风电出力初始场景,选取考虑风电预测误差较大的极限场景实现场景缩减。在不同的风电出力场景下,兼顾发电侧与需求侧柔性负荷的双侧协调配合,提出了计及柔性负荷的安全约束机组组合模型,实现了可削减负荷、可平移负荷以及可转移负荷3类柔性负荷的分类调度。通过对不同场景下10机系统的仿真计算,对比分析了需求侧柔性负荷调度对系统的经济成本、负荷峰谷差以及弃风量的影响。在考虑风电不确定性时,需求侧柔性负荷调度对提高系统经济性、缓解负荷高峰期用电压力具有重要作用,并且有利于增加风电的消纳,降低弃风电量。     

戴维南等值参数时域仿真跟踪算法分析与改进

从物理意义和数学假设两方面对现有的2种基于时域仿真的戴维南等值参数跟踪算法进行了详细的分析,揭示了两者共同的本质和算法实现上的差异。针对系统中所有负荷节点的处理方式,对现有2种算法进行了修正,使两者在物理本质、数学前提和计算结果三方面实现了统一。在统一现有算法的基础上,为了尽量减小"两状态法"可能带来的误差,以原算法的前提假设为出发点,对不同类型的发电机节点和负荷节点分别按照不同的方式进行处理,提出了改进的戴维南等值参数时域仿真跟踪算法。以等阻抗模判据为依据,通过稳态和暂态实例验证了改进算法能够更加准确地判断电力系统的电压稳定性。     

基于深度强化学习的光储充电站储能系统优化运行

优化储能充放电策略有利于提升光储充电站运行经济性,但是现有模型驱动的随机优化方法无法全面考虑储能系统的复杂运行特性以及光伏发电功率、电动汽车充电负荷的不确定性.因此,提出一种基于深度强化学习的光储充电站储能系统全寿命周期优化运行方法.首先对储能运行效率模型和容量衰减模型进行精细化建模.然后考虑电动汽车充电需求、光伏出力和电价的不确定性,在满足电动汽车充电需求和光伏消纳的条件下,以光储充电站收益最大化为目标,建立了基于强化学习的储能优化运行问题.考虑到储能充放电决策动作的连续性,采用双延迟深度确定性策略梯度算法进行求解.采用实际历史数据对模型进行训练,根据当前时段状态对储能充放电策略进行实时优化.最后,对所提方法及模型进行测试,并将所提出的方法与传统模型驱动方法进行对比,结果验证了所提方法及模型的有效性.     

基于谱聚类与功率传输分布因子的电网静态等值

大规模互联电网结构复杂,不便于大电网优化分析计算。传统电网等值方法不适用于构建基于全网的等值模型,为降低电力网络复杂度,建立大规模电网等值模型,提出基于谱聚类与功率传输分布因子的电网等值方法。首先,以功率传输分布因子为相似性测度,考虑节点间的连通性,基于规范化谱聚类算法对电网进行合理分区。其次,根据分区结果,计及关键线路输电能力约束,通过母线聚合技术对电网结构进行简化等值,构建等值模型,并以保证区间潮流交换准确性为目标计算等值模型参数。最后,给出了基于等值模型的区域电价计算方法,并通过算例验证等值模型计算准确性。     

不确定性环境下数据驱动的电力系统优化调度方法综述

随着可再生能源大规模并网,电力系统运行的不确定性显著增加,考虑不确定性因素的调度方法逐渐得到重视。另一方面,建立准确的不确定性因素模型是求解优化问题的前提与关键,可再生能源出力具有复杂的不确定性,其发电数据为随机调度提供了科学的数据支撑。文中总结了不确定性环境下数据驱动的电力系统调度的理论方法以及应用场景。首先,总结了传统随机优化调度中数据驱动的随机变量建模方法。其次,介绍了鲁棒优化调度中数据驱动的不确定性集合建模方法。然后,针对随机优化中不确定性因素建模不准确以及鲁棒优化结果较为保守的问题,重点阐述了基于数据驱动分布鲁棒的电力系统优化调度理论与方法,梳理了随机变量的概率分布模糊集构建方法和分布鲁棒优化的模型构建及求解算法。最后,对数据驱动的电力系统调度未来的研究工作进行了展望。     

大规模新能源接入背景下小干扰稳定分析中状态矩阵特征值的灵敏度分析

大规模新能源接入有利于促进能源结构优化,但同时也增加了电网运行的不确定性。需要研究考虑不确定性因素的电力系统分析计算方法,准确快速辨识影响电力系统运行的关键不确定性因素,以提高含新能源电力系统的稳定性。本文研究大规模新能源接入背景下小干扰稳定分析问题,建立含风电的概率小干扰稳定分析模型,分别采用单变量偏导数、轨迹灵敏度和全局灵敏度分析方法辨识影响状态矩阵特征值的关键不确定性因素,并引入稀疏多项式混沌展开提高全局灵敏度分析的计算效率。采用含风电的14节点系统进行仿真分析,对比了不同灵敏度分析方法的计算结果与效率,分析了全局灵敏度分析方法的有效性。     

基于混合量测的配电网两阶段抗差动态状态估计方法

针对微型同步相量测量单元(μPMU)与SCADA在采样周期、量测量等方面的差异,提出了基于μPMU与SCADA混合量测环境下配电网两阶段抗差动态状态估计方法,通过量测变换与Pseudo-Huber函数建立混合量测抗差状态估计,实现对坏数据自动抑制,为无迹卡尔曼滤波提供更精确的伪量测与初值,IEEE 33节点配电系统的仿真结果验证了该方法的有效性。     

计及柔性负荷的能源枢纽多目标综合优化调度

能源枢纽是多能源综合利用的主体单元,具有多能互补的优势。本文首先对基本的能源枢纽进行拓展,建立了包含风电、多种储能以及电转气(power-to-gas, P2G)设备的能源枢纽模型,并将用户侧的电、气、热等多种柔性负荷纳入需求侧响应资源。在此基础之上,考虑分时电价与分时气价,构建能源枢纽的多目标日前综合优化调度模型,并采用法线边界交叉(normal boundary intersection, NBI)法进行求解。最后,算例在四种不同的能源枢纽运行场景下进行测试,结果表明：P2G、储能以及柔性负荷参与调度,不仅能提高能源枢纽消纳风电的能力,还能降低经济成本和减小碳排放。     

考虑“路-车-源-荷”多重不确定性的交通网与配电网概率联合流分析

随着电动汽车大规模推广应用,交通网与配电网的耦合运行特征日益显著。在此背景下,大量的不确定性因素也将伴随耦合系统交互过程不断传播,并影响交通网与配电网的安全运行。针对不确定性因素的影响量化问题,提出了考虑“路-车-源-荷”多重不确定性因素的交通网与配电网概率联合流分析方法。首先,分别建立交通网概率交通分配模型和配电网概率最优潮流模型,并提出均衡状态下基于蒙特卡洛模拟的分散迭代算法,以实现概率联合流计算;然后,引入基于Sobol’法的全局灵敏度分析方法,量化“路-车-源-荷”多重不确定性因素对交通网与配电网耦合运行状态变量的影响程度,辨识显著影响交通网与配电网概率联合流分布的不确定性因素;最后,将所提方法应用于交通网与配电网耦合算例系统,验证了该方法的有效性。     

交直流微电网三阶段分布式状态估计方法

基于三阶段状态估计理论,建立了交直流微电网三阶段状态估计模型。采用拉格朗日松弛法对第一线性阶段的等式约束进行松弛,实现了交直流微电网状态估计的解耦,最终提出了一种三阶段分布式状态估计方法。相比较于集中式状态估计,分布式状态估计的状态变量维度降低,具有更高的计算效率,通信压力有所减小,另外,由于交直流微电网在分布式机制下相对独立,可以保护各自的信息隐私。通过仿真结果验证了模型和方法的有效性。